プロンプトエンジニアリング

セミナー概要 セミナーのテーマ 生成AIの基礎知識とビジネス変革への影響 プロンプトエンジニアリングの実践ポイントとLLM選択 生成AIモデルのコア技術とプロンプト最適化 こんな方におすすめです 生成AIとそのプロンプトエンジニアリングについて知りたい方 OpenAI ChatGPTやMicrosoft Copilot等の業務活用を検討している方 自社のプロンプトエンジニアリング教育を検討している経営者・管理職 ＜生成AI活用の肝！＞プロンプトエンジニアリング入門セミナー 生成AIのしくみ・コア技術といった実践に必要な基礎知識から、実践のポイント、LLMの選択、プロンプトの最適化、プロンプト例まで。 生成AI活用の成否を左右するプロンプトエンジニアリングの基礎と実践のポイントを学べるセミナーです。生成AIによる課題解決の本質、生成AIのしくみ・コア技術、プロンプトとは？、といった基本的な知識から、生成AIの得手不得手や活用の留意点を踏まえたプロンプトエンジニアリングの実践におけるポイント、目的に合わせたLLMの選択、プロンプトの最適化と正確かつ有用な情報を得る方法、化学・電子・医薬分野のプロンプト例までを解説します。数式やPython言語等は使用しませんので、文系の方でもご参加いただける内容です。 講師 モバイルコンピューティング推進コンソーシアム(MCPC) 上席顧問 兼 AIエバンジェリスト 竹井 俊文 氏専門：情報通信技術（DX, AI, 生成AI, IoT, 5G等）略歴：元NEC。元国士舘大学経営学部非常勤講師。徳島大学理工学部非常勤講師。著書·コンテンツ：『ゼロから学ぶDX入門講座』『ゼロから学ぶ5G入門講座』『数式·Pythonなしでわかるディープラーニング』『ゼロから学ぶ生成AI入門講座』『生成AIにダマされないための統計学の基礎』(コガク)他、多数。講演·メディア：電子情報通信学会、情報処理学会、次世代光フォーラム、中国SIOT学会他、講演多数。電波新聞連載。日刊工業新聞雑誌連載。NHK総合テレビ出演。 セミナー趣旨、ポイント 未来の予測が困難な時代、企業が生き残るためにDXによるビジネス変革があらゆる分野で進められています。しかし、デジタル技術は難解であり、特に数学やプログラミング言語等を駆使する高度なスキルが要求されるAIはまだまだハードルが高く、一部のデータサイエンティストでないと活用できないと言われていました。 ところが、昨今のAIサイエンス＆テクノロジーの目覚ましい発展によって、“ChatGPT”を始めとする生成AIが登場し、そのハードルが一挙に下がりました。その結果、誰でも自然言語プロンプトさえ入力すれば、AIを思うように活用できる時代になりました。しかし、この生成AIには大きなリスクがあると言われています。うまく使えば大きな利益をもたらす可能性がありますが、下手な使い方をすれば、期待したような効果が得られないだけでなく、大きな損害を被る恐れもあります。その成否を左右する肝となるのがプロンプトエンジニアリングです。 本講演では、データと生成AIによる課題解決のしくみから、プロンプトエンジニアリングの基礎となる生成AIモデルのコア技術、ならびにプロンプトエンジニアリング実践のポイントとプロンプト例について学びます。 こんな方におすすめ ・生成AIとそのプロンプトエンジニアリングとは何か、そのしくみを知りたい方・OpenAI ChatGPTやMicrosoft Copilot、Google Gemini等を業務に活用したい方・生成AIのメリットとリスクを知り、業務のプロンプトエンジニアリングを検討している方・自社のプロンプトエンジニアリング教育を検討している経営者、管理職、講師・企業や大学などにおけるコーディング支援や開発・研究支援を検討されている方なお、入門レベルですので予備知識は不要です（数式やPython言語等は使用しませんので、文系の方でも参加できます）。 得られる知識 ・生成AIが登場した社会、ビジネス、テクノロジーの背景。生成AIによるビジネス変革の必要性・データとAIによる人手不足解消のしくみ。テキストの相関関係を学習し推論する生成AIのしくみ・CPSにおける生成AIモデルと大規模言語モデルとの関係。プロンプトとデジタルツインとの関係・生成AIコア技術：ディープラーニング、機械学習、アテンション機構、検索拡張生成、蒸留の初歩・プロンプトエンジニアリング実践において重要な、生成AIの得手不得手を踏まえた7つのポイント・性能と分野・業務・規模に応じたLLM選択。プロンプトを最適化し、正確＆有用な情報を得る方法 プログラム １．昨今、DX(デジタル変革)と生成AIが登場した背景 1.1 不確定性の時代、DXが登場した社会的背景とビジネス背景 1.2 情報通信テクノロジーの高度化と民主化で生成AIが登場した 1.3 DXの概念と経産省の企業DX、生成AIによるビジネス変革 ２．データとAI、生成AIによるビジネス課題解決のしくみ 2.1 深刻な人手不足と生産性の停滞！AIに働いてもらわないと困る 2.2 ビッグデータをAIに食わせると、AIは相関関係を学習し推論する 2.3 膨大なテキストデータを生成AIに食わせると、ヒトのように喋る ３．誰でもビジネスで生成AIを活用するための「プロンプト」とは 3.1 CPS（サイバーフィジカルシステム）とデータ駆動型ビジネス変革 3.2 CPSにおける学習済み生成AIモデルと大規模言語モデル(LLM) 3.3 プロンプトとは、仮想空間のデジタルツインをうまく活用する肝 ４．プロンプトエンジニアリングの基礎となる生成AIモデルのコア技術 4.1 同じ自然言語を処理するヒトの脳とAI(人工知能)の違い 4.2 生成AIモデルはニューラルネットワークのディープラーニング 4.3 コア技術（１）：トークン(単語)間の相関関係の機械学習 4.4 コア技術（２）：アテンション(注意)機構による文脈理解 4.5 コア技術（３）：クラウド／ローカルLLMの検索拡張生成(RAG)と蒸留 ５．プロンプトエンジニアリング実践において重要な7つのポイント 5.1 「作文や会話、コーディングは得手」、「正確性と倫理性は不得手」 5.2 データに潜む「バイアス(偏り、間違い)」をそのまま学んだ“赤ちゃん” 5.3 「トイ・プロブレム問題」に限定し、仕事を支援してもらう 5.4 「フレーム問題」に関わる重要な判断には活用しないのが無難 5.5 「シンボルグラウンディング問題」を踏まえ、ストレスなく付き合う 5.6 「著作権問題」「機密情報漏洩」「個人情報漏洩」「ハルシネーション」リスク 5.7 明確なテーマや目的の「オープンエンド質問」で得る新たな発想 ６．中小企業～大企業まで、プロンプトエンジニアリングの実際 6.1 プロンプトエンジニアリングへの誤解を解く、正しい理解 6.2 LLMサービスの性能（正確性）と分野・業務・規模に応じた選択 6.3 プロンプトを最適化し、LLMから正確かつ有用な情報を得る方法 6.4 化学・エレクトロニクス・医薬品他に特化したプロンプト例 □質疑応答□